Örnek uygulama içinde yer alan bu uygulamada, AM67A SoC üzerindeki C7x/MMA çekirdekleri kullanılarak donanım
hızlandırmalı nesne tespiti yapılmasını sağlar. Kamera görüntüsü, GStreamer altyapısı üzerinden alınır; TensorFlow
Lite modelinde çıkarım (inference) yapılır ve sonuçlar bir MJPEG sunucusu üzerinden tarayıcıya gerçek zamanlı
olarak iletilir.Uygulama, TIDL (TI Deep Learning) delegate kütüphanesini kullanarak model çıkarımını C7x DSP üzerinde
çalıştırır. Eğer TIDL delegate bulunamazsa, otomatik olarak CPU üzerinde çalışmaya devam eder.Kaynak kodları T3 Gemstone’un GitHub üzerindeki
examples deposunda mevcuttur.
Bu demo, sesli komutları algılayarak kameranın odaklandığı alanları kontrol eden ve derin öğrenme ile yüzleri
tanıyıp ekranda gösteren, hem ses hem görüntü verilerini işleyen bir işitsel-görsel sistemi göstermektedir.Kaynak kodları Texas Instruments’ın GitHub üzerindeki
edgeai-demo-audio-visual deposunda mevcuttur.
Barkodlar, envanter yönetimi, varlık takibi, biletleme ve bilgi paylaşımı gibi alanlarda kritik bir rol oynar.
Tek boyutlu (1-D) ve iki boyutlu (2-D) barkodlar, bilgiyi görsel bir kodlama biçiminde yoğunlaştırır. 1-D
barkodlar için lazer tabanlı tarayıcılar yeterliyken, 2-D barkodlar (ör. QR kodları) için kameralar gereklidir.
Kamera tabanlı sistemler genellikle “barkod görüntüleyiciler” olarak adlandırılır. Barkod görüntüleyicilerde
en fazla hesaplama gerektiren işlem, barkodu çözmekten ziyade barkodu bulmaktır ve bu aşamada derin öğrenme
teknikleri oldukça etkilidir.Bu demo, özel olarak eğitilmiş YOLOX-nano sinir ağını çalıştırarak 1-D ve 2-D barkodları tespit eder. Tespit
edilen barkod bölgeleri kırpılır ve zbar açık kaynak kütüphanesi ile çözümleme için gri tonlamaya dönüştürülür.
Barkod çözümü, nesne tespiti ile elde edilen sınırlayıcı kutu ile birlikte görüntülenir.Kaynak kodları Texas Instruments’ın GitHub üzerindeki
edgeai-gst-apps-barcode-reader deposunda
mevcuttur.
Perakende ve marketlerdeki self-checkout sistemleri, müşteri deneyimini büyük ölçüde kolaylaştırmıştır.
Basit ve kullanıcı dostu kiosklar, müşterilerin ürünlerini tarayıp düşük temasta ödeme yapmalarını sağlar.
Bu alan giderek daha otomatik sistemlere doğru ilerlemekte ve müşteriler, barkod aramak veya ürünleri belirli bir
şekilde yerleştirmek zorunda kalmadan birden fazla ürünü aynı anda tarayabilmektedir.
Bu tür sistemler, süreci hızlandırma, temas yüzeylerini azaltma ve genel verimliliği artırma gibi ek avantajlar sunar.Bu demo, derin öğrenme modeli ile 12 farklı yiyecek türünü (muz, elma, cips paketi, gazlı içecek kutusu vb.)
tespit eden otomatik perakende ödeme tarayıcısını göstermektedir.Kaynak kodları Texas Instruments’ın GitHub üzerindeki
edgeai-gst-apps-retail-checkout deposunda
mevcuttur.
Görüntü tabanlı insan takibi, perakende, bina otomasyonu, güvenlik ve emniyet gibi birçok alanda uygulanabilir.
Bu demo, video akışındaki bireyleri tespit etmek için YOLOX-S-Lite makine öğrenimi modelini kullanır.
Modelin çıktısı, sahnedeki insanların hareketlerini takip etmek için kullanılır ve bu süreçte Norfair adlı
açık kaynak kütüphane devreye girer.Demo, sahnedeki bireylerin canlı takibini sağlar ve her kişinin mevcut konumunda geçirdiği süreyi gösteren
zamanlayıcılar sunar. Ayrıca toplam ziyaretçi sayısı, mevcut doluluk ve bireylerin sahnede geçirdiği sürelerin
dağılımı gibi istatistikleri gösteren bir kontrol paneli içerir. Ek olarak, sık ziyaret edilen alanları vurgulayan
bir ısı haritası bulunur. Bu özellik, insan davranışlarını anlamak için değerli bilgiler sunar.
Örneğin perakende mağazalarında raf düzeninin optimize edilmesine yardımcı olarak müşteri deneyimini iyileştirebilir.Kaynak kodları Texas Instruments’ın GitHub üzerindeki
edgeai-gst-apps-people-tracking deposunda
mevcuttur.
